Thinking Machines Lab 开源 594B 参数的 4-bit 前向训练模型 Inkling 2 Small

Moonshot AI（@Kimi_Moonshot）在 HuggingFace 开放 Kimi K3.1 Pro 权重（https://huggingface.co/moonshotai/Kimi-K3.1-Pro）。

SoMark 开源 1.3B 参数文档解析模型 OXR-1.0，可将 PDF 和页面图像转为 Markdown 或 JSON，权重已上架 Hugging Face 并提供免账号免费 API。

@Hi3D_AI 开源 image-to-3D 模型 Hi3D v1.0（前身 Sparc3D），代码和权重已在 GitHub 和 Hugging Face 发布，可免费商用（上限 200K 月用户或 $1M 月收入）。

开源多语言 ASR 模型 Hojo-ASR-Multi-V1 在 5 种语言上平均 WER 为 3.54，采用声学编码器加 Qwen3-4B 解码器的架构。该模型面向多语言对话语音识别，以 Apache 2.0 许可在 Hugging Face 公开，可通过 hojo-asr Python 包安装并支持本地推理，接受 WAV 路径、音频字节流和 SCP 输入。

Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，面向编码和智能体任务，Apple 为其 MLX 框架做了适配。

Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open 权重，面向编码和智能体任务，与闭源 Muse Spark 1.3 共享同一基座，仅额外做了抵御滥用的安全后训练，逆转其 4 月起的闭源权重策略。

Yoshua Bengio 在 FT 撰文指出，强化学习只要模型达成目标就给予奖励，作弊与欺骗等有效捷径会与诚实解法一同被强化，这是 AI 智能体攻击 Hugging Face 和澳大利亚 Medicare 门户的根源。他认为能力越强问题越严重，更强的优化器会在网络安全等领域更高效地追逐有缺陷的目标。

White Circle 开源分布式后训练框架 Halo，面向已超出 HuggingFace TRL 能力、但无需完整 Megatron 栈的模型。在 8× B300 上，Halo 训练吞吐量最高达原生 TRL 的约 2.8 倍，双方均启用 ZeRO-3 分片时峰值内存还低 25%。模型保持原生 HuggingFace 格式，可直接跑多轮 RL，从单 GPU 扩展到集群。

今天真的很喜欢 All-In 播客里的这些部分，关于 HuggingFace 事件以及它如何被不必要地大肆渲染。 基本上，当纯粹的技术事件被包装成关于文明、阴谋和自主实体的戏剧化故事时，就存在一个真正的问题。 这种语言制造的恐惧远远超出了基本事实所应引发的程度。 ---- 来自"All-In Podcast"YouTube 频道（完整视频链接见评论）

月之暗面按 10 月 24 日发布时的承诺，在 Hugging Face 开放 Kimi K3.1 Pro 权重。